Football Analytics - Ranking de Jugadores
Date
2022
Type:
Thesis
item.page.extent
51 p.
item.page.accessRights
Acceso abierto
item.contributor.advisor
ORCID:
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad del Desarrollo. Facultad de Ingeniería
item.page.isbn
item.page.issn
item.page.issne
item.page.doiurl
item.page.other
item.page.references
Abstract
La evaluación de jugadores de fútbol considerando múltiples características de juego y su comparación con otros jugadores de roles similares, resulta una tarea compleja hoy en día. Este trabajo tiene como objetivo principal la construcción de un ranking de jugadores de fútbol de nacionalidad chilena por cada posición del campo. Para esto, se construyeron modelos de predicción binario con bases en técnicas estadísticas y del Machine Learning como son el Support Vector Machine y la Regresión logística. Se calculó el coeficiente de cada variable estudiada, más de 54 variables de entrada en este caso, y se tomaron como pesos o ponderaciones, que, a su vez, se multiplicaron por el promedio que cada jugador tenía en cada una de estas variables. El resultado final resultó de la sumatoria de todas las variables y del ordenamiento según el resultado.
La base de datos que se usó fue aportada por la plataforma Wyscout, que registra cada uno de los números que cada partido y jugador en una plantilla completa y que puede obtenerse a través de suscripción. Antes de la construcción de los modelos, se hizo una minuciosa limpieza de datos donde algunas posiciones y variables fueron suprimidas.
Entre los resultados destacan figuras importantes del fútbol chileno de la última década, como son Alexis Sanchez, Eduardo Vargas, Arturo Vidal, Charles Aránguiz, Paulo Diaz, Leonardo Gil, entre otros.
Description
Capstone project presentado a la Facultad de Ingeniería de la Universidad del Desarrollo para optar al grado académico de Magíster en Data Science.
item.page.coverage.spatial
item.page.sponsorship
Citation
Keywords
070037S, Data science, Futbol, Ranking, Support vector machine, Regresión logística